Neurofeedback

Kokeneet kirjoittajat eivät ole vielä tarkistaneet sivun nykyistä versiota, ja se voi poiketa merkittävästi 20. helmikuuta 2016 tarkistetusta versiosta . tarkastukset vaativat 26 muokkausta .

Neurocontrol ( eng. Neurocontrol ) on älykkään ohjauksen erikoistapaus, joka käyttää keinotekoisia hermoverkkoja dynaamisten kohteiden ohjaamiseen liittyvien ongelmien ratkaisemiseen. Neurocontrol on sellaisten tieteenalojen kuin tekoälyn , neurofysiologian , automaattisen ohjauksen teorian ja robotiikan leikkauskohdassa . Neuroverkoilla on useita ainutlaatuisia ominaisuuksia, jotka tekevät niistä tehokkaan työkalun ohjausjärjestelmien luomiseen: kyky oppia esimerkeistä ja yleistää dataa, kyky mukautua ohjausobjektin ja ympäristön ominaisuuksien muutoksiin, soveltuvuus synteesiin Epälineaaristen ohjaimien korkea vastustuskyky sen elementtien vaurioita vastaan alun perin hermoverkkoarkkitehtuuriin sisällytetyn rinnakkaisuuden vahvuudessa. Termiä "neurofeedback" käytti ensimmäisen kerran yksi backpropagation- menetelmän kirjoittajista, Paul J. Verbos, vuonna 1976 [1] [2] . Neuroverkkojen käytännön soveltamisesta on olemassa lukuisia esimerkkejä lentokoneen [3] [4] , helikopterin [5] , robottiauton [6] , moottorin akselin nopeuden [7] , hybridiauton moottorin hallintaongelmien ratkaisemisessa. [8] , sähköuuni [9] , turbogeneraattori [10] , hitsauskone [11] , pneumaattinen sylinteri [12] , aseistuksen ohjausjärjestelmä kevyesti panssaroituihin ajoneuvoihin [13] , käänteinen heilurimalli [14] .

Neurofeedback menetelmät

Neuroverkkojen käyttötavan mukaan hermosolujen ohjausmenetelmät jaetaan suoriin ja epäsuoriin . Suorissa menetelmissä hermoverkko on koulutettu generoimaan suoraan ohjaustoimenpiteitä objektille, epäsuorassa menetelmissä hermoverkko on koulutettu suorittamaan aputoimintoja: ohjausobjektin tunnistaminen , kohinanvaimennus , PID-ohjaimen kertoimien toiminnallinen säätö . Neurocontrollerin muodostavien hermoverkkojen lukumäärästä riippuen neurocontrol - järjestelmät jaetaan yksi- ja monimoduuliisiin . Neurocontrol-järjestelmiä, joita käytetään yhdessä perinteisten säätimien kanssa, kutsutaan hybrideiksi .

Ohjauksen alalla keinotekoisia hermojärjestelmiä (ANS) käytetään kohteiden tunnistamiseen, ennustamiseen ja diagnosointiin liittyvissä algoritmeissa sekä optimaalisten automaattisten ohjausjärjestelmien (ACS) synteesiin . ANN-pohjaisen ACP:n toteuttamiseksi neurosirujen ja neurokontrollerien (NC) tuotantoa kehitetään parhaillaan intensiivisesti .

Tietyssä mielessä ANN on aivojen jäljittelijä, jolla on kyky oppia ja navigoida epävarmuuden olosuhteissa. Keinotekoinen hermoverkko on kahdessa suhteessa samanlainen kuin aivot. Verkko hankkii tietoa oppimisprosessissa, ja tiedon tallentamiseen se ei käytä itse objekteja, vaan niiden yhteyksiä - hermosolujen välisten yhteyksien kertoimien arvoja, joita kutsutaan synaptisiksi painoiksi tai synaptisiksi kertoimiksi [15] .

Neurokontrollitehtävissä ohjausobjektia edustaa musta laatikko -malli, jossa nykyiset tulo- ja lähtöarvot ovat havaittavissa. Objektin tilan katsotaan olevan ulkoisen havainnoinnin ulottumattomissa, vaikka tilavektorin mittaa pidetään yleensä kiinteänä. Ohjausobjektin toiminnan dynamiikka voidaan esittää diskreetissä muodossa:

{\begin{matrix}S(k+1)=\Phi (S(k),u(k)))\\y(k+1)=\Psi (S(k))\end{ matriisi}}

missä: on tilauksen ohjausobjektin tila syklissä ; on syklin -ulotteisen ohjausvektorin arvo , on syklin ohjausobjektin -ulotteisen lähdön arvo . ${\displaystyle S(k)\in \mathbb {R} ^{N))$ $N$ $k$ ${\displaystyle u(k)\in \mathbb {R} ^{P))$ $P$ $k$ ${\displaystyle y(k+1)\in \mathbb {R} ^{V))$ $V$ $k+1$

Ohjausobjektin nykyisen tilan arvioimiseen voidaan käyttää NARX-mallia, joka koostuu kohteen aiemmista paikoista ja viivästetyistä ohjaussignaaleista : $S(k)$ $y$ $u$

S(k)=[y(k)~y(k-1)~y(k-2)~\ldots ~y(kN)~u(k-1)~u(k-2)~ \ldots ~u(kQ)]^{T}

Tilaestimointivektori voidaan esittää myös ilman viivästettyjä signaaleja: $S$

{\displaystyle S(k)=[y(k)~y(k-1)~y(k-2)~\ldots ~y(kN)]^{T))

On myös mahdollista esittää kohteen tila tilannekuvana sen vaiheradastuksesta:

{\displaystyle S(k)=[y(k)~y(k)'~\ldots ~y(k)^{(N)}]^{T))

Mimic neurofeedback

Jäljittelevä neurokontroll [16] [17] [18] (mimiikkaan perustuva neurokontrollioppiminen, ohjaimen mallinnus, ohjattu oppiminen olemassa olevan ohjaimen avulla) kattaa hermoston ohjausjärjestelmät, joissa hermokontrolleria koulutetaan esimerkeillä perinteisen palauteohjaimen dynamiikasta, joka on rakennettu esim. esimerkiksi perustuu tavanomaiseen PID-säätöjärjestelmään . Harjoittelun jälkeen hermoverkko toistaa tarkasti alkuperäisen ohjaimen toiminnot. Ihmisen käyttäjän käyttäytymisen tallentamista voidaan käyttää esimerkkeinä säätimen dynamiikasta. Perinteinen takaisinkytkentäohjain (tai ihmiskäyttäjä) ohjaa ohjausobjektia normaalitilassa. Arvot ohjaimen tulossa ja lähdössä tallennetaan, ja protokollan perusteella muodostetaan neuroverkon koulutusnäyte, joka sisältää parit tuloarvoja ja hermoverkon odotettuja reaktioita: $U=\{P_{i},T_{i}\}_{i=1}^{M}$ $M$ $P_{i}$ $T_{i}$

{\begin{matrix}P_{i}=[r(i+1)~S(i)]^{T}\\T_{i}=u(i)\end{matriisi))

Esimerkiksi backpropagation -harjoituksen jälkeen hermoverkko yhdistetään alkuperäisen ohjaimen tilalle. Tuloksena oleva neurokontrolleri voi korvata henkilön laitteen hallinnassa ja olla myös kustannustehokkaampi kuin alkuperäinen ohjain.

Yleistetty käänteinen neurokontrolli

Yleistyneen käänteisen neurokontrollin (suora käänteinen neurokontrolli, adaptiivinen käänteissäätö) [19] [20] kaavassa ohjaajana käytetään ohjausobjektin käänteisen dynamiikan hermomallia, jota kutsutaan käänteiseksi neuroemulaattoriksi . Käänteinen neuroemulaattori on hermoverkko , joka on koulutettu offline-tilassa simuloimaan ohjausobjektin käänteistä dynamiikkaa dynaamisen kohteen käyttäytymisen tallennettujen liikeratojen perusteella. Tällaisten lentoratojen saamiseksi jokin satunnainen prosessi syötetään ohjausobjektiin ohjaussignaalina. Kohteen ohjaussignaalien ja vasteiden arvot tallennetaan ja tämän perusteella muodostetaan harjoitusnäyte : $U=\{P_{i},T_{i}\}_{i=1}^{M}$

{\begin{matrix}P_{i}=[y(i)~S(i-1)]^{T}\\T_{i}=u(i)\end{matriisi))

Harjoittelun aikana hermoverkon on otettava kiinni ja muistettava ohjaussignaalin arvojen riippuvuus ohjausobjektin reaktion myöhemmästä arvosta , joka oli aiemmin tilassa . Objektia ohjattaessa kytketään käänteinen neuroemulaattori ohjaimeksi, joka vastaanottaa sisääntulossa asetusarvon (tietyn arvon tai parametrin, jonka saavuttaessa järjestelmän tila muuttuu) ja läpi tulevan ohjausobjektin tilan. palautekanava : _ $u(k-1)$ $y(k)$ $S(k-1)$ $x(k)$ $r(k+1)$ $S(k)$

{\näyttötyyli x(k)=[r(k+1)~S(k)]^{T))

Harjoittelun aikana muodostetun ohjausobjektin käänteisen mallin oletetaan olevan riittävä, joten hermoverkon antama ohjaussignaali varmistaa kohteen siirtymisen asetuksen määrittelemään asentoon.

Erikoistunut käänteinen neurofeedback

Erikoistunut käänteinen neurokontroll [19] [20] käyttää menetelmää neurokontrollerin kouluttamiseen verkossa käyttämällä kohteen sijainnin asetuspisteen poikkeaman nykyistä virhettä . Neurokontrollerin kytkentäkaavio on sama kuin yleistetyn käänteisen neurokontrollin menetelmässä . Vektori syötetään verkon tuloon : $e(k)=r(k)-y(k)$ $x(k)$

{\näyttötyyli x(k)=[r(k+1)~S(k)]^{T))

Neuraaliverkko generoi ohjausvektorin , joka siirtää ohjausobjektin paikkaan . Seuraavaksi lasketaan neurokontrollerin nykyinen virhe $u(k)$ ${\näyttötyyli y(k+1)}$

e(k)=r(k+1)-y(k+1)

Painon muutoksen gradientti lasketaan

\Delta w=e(k){\frac {\partial y(k+1)}{\partial u(k))){\frac {\partial u(k)}{\partial w(k )}}

Sitten neurokontrolleripainot korjataan käyttämällä jyrkimmän laskun menetelmää tai muuta gradienttimenetelmää .

Derivaata on ohjausobjektin jakobilainen , jonka arvo asetetaan analyyttisesti ohjausobjektin annetun matemaattisen mallin mukaisesti. Käytännössä kuitenkin hyväksyttävän laadun saavuttamiseksi riittää, että lasketaan vain jakobisen merkki. Kertoimien arvojen korjauksen iteraatiot jatkuvat, kunnes saavutetaan hyväksyttävä kontrollin laatu. ${\displaystyle {\frac {\partial y(k+1)}{\partial u(k)))))$

Menetelmä käänteisen virheen ohittamiseksi suoran neuroemulaattorin läpi

Takaisin eteneminen ajassa, malliviite adaptiivinen ohjaus, sisäinen mallin ohjausmenetelmä [8] [21] [22] [23] perustuu ajatukseen kahden hermoverkon tandemista , joista toinen toimii ohjaimena , ja toinen on ohjausobjektimalli , jota kutsutaan suoraksi neuroemulaattoriksi . Suoraa neuroemulaattoria käytetään neurokontrollerin virhegradientin laskemiseen sen harjoittelun aikana, eikä sitä käytetä enempää. Voidaan sanoa, että neurokontrolleri ja neuroemulaattori edustavat yhtä hermoverkkoa, ja kun neurokontrolleria koulutetaan, suoran neuroemulaattorin painot "jäätyvät". Suora neuroemulaattori opetetaan ensin. Tätä varten ohjausobjektin tuloon syötetään satunnainen ohjaussignaali , joka muuttaa ohjausobjektin sijaintia , ja muodostetaan harjoitusnäyte : $u$ $y$ $U=\{P_{i},T_{i}\}_{i=1}^{M}$

{\begin{matrix}P_{i}=[u(i)~S(i-1)]^{T}\\T_{i}=y(i)\end{matriisi))

Suoran neuroemulaattorin harjoittelu suoritetaan offline-tilassa. Suoraa neuroemulaattoria pidetään koulutetuksi, jos samoilla arvoilla neuroemulaattorin ja todellisen kohteen tuloissa ero niiden lähtöarvojen välillä tulee merkityksettömäksi. Kun suoran neuroemulaattorin koulutus on suoritettu, neurokontrolleri koulutetaan. Koulutus toteutetaan verkossa saman kaavan mukaan kuin erikoistuneen käänteisen neurofeedbackin tapauksessa . Ensin (jaksolla ) vastaanotetaan seuraavan syklin ohjausobjektin haluttu sijainti neurokontrollerin tuloon . Neurokontrolleri tuottaa ohjaussignaalin , joka syötetään ohjausobjektin ja neuroemulaattorin tuloihin. Tämän seurauksena ohjattu kohde siirtyy asentoon ja neuroemulaattori synnyttää reaktion . Seuraavaksi säätövirhe lasketaan ja ohjataan vastakkaiseen suuntaan takaisinetenemissäännön mukaisesti. Neuroemulaattoriyhteyksien painokertoimia ei tässä tapauksessa korjata. Suoran neuroemulaattorin läpi kulkevan käänteisen virheen mekanismi toteuttaa paikallisen käänteisen mallin nykyisessä pisteessä ohjausobjektin tilaavaruudessa. Neuroemulaattorin läpi kulkemisen jälkeen virhe etenee edelleen neurokontrollerin läpi, mutta nyt sen läpikulkuun liittyy neurokontrollerin painokertoimien korjaus. Tässä tapauksessa suora neuroemulaattori suorittaa neurokontrollerin hermoverkon lisäkerrosten toimintoja, joissa yhteyspainoja ei korjata. $k$ $r(k+1)$ $u(k)$ ${\näyttötyyli y(k+1)}$ ${\näyttötyyli {\hattu {y}}(k+1)}$ $e(k)={\widehat {y}}(k+1)-y(k+1)$

Neurocontrol-menetelmä vertailumallilla

Neurokontrollin menetelmä referenssimallilla (malliviite adaptiivinen ohjaus, hermoston adaptiivinen ohjaus) [23] [24] [25] on muunnelma neurokontrollista käänteisen virheen menetelmällä ohittamalla suoran neuroemulaattorin ylimääräisellä vertailumallilla (viite). malli) piiriin upotetun dynaamisen järjestelmän simuloimiseksi, jonka käyttäytymistä neurokontrolleri kouluttaa. Tämä tehdään siirtymäprosessin laadun parantamiseksi: siinä tapauksessa, että kohteen siirtyminen kohdeasentoon yhdessä syklissä on mahdotonta, liikkeen liikeradalta ja siirtymäprosessin ajasta tulee huonosti ennustettavia arvoja. ja voi johtaa siirtymäprosessin epävakauteen. Tämän epävarmuuden vähentämiseksi otetaan käyttöön vertailumalli, joka on pääsääntöisesti ensimmäisen tai toisen kertaluvun stabiili lineaarinen dynaaminen järjestelmä. Harjoittelun aikana referenssimalli vastaanottaa asetuspisteen sisääntulossa ja muodostaa referenssiradan , jota verrataan ohjausobjektin sijaintiin ohjausvirheen saamiseksi , jonka minimoimiseksi hermokontrolleria koulutetaan. $k$ $r(k+1)$ $y'(k+1)$ ${\näyttötyyli y(k+1)}$ $e(k+1)$

Ulkoisten häiriöiden hermoverkkosuodatusmenetelmä

Ulkoisten häiriöiden hermoverkkosuodatusmenetelmä (adaptiivinen käänteissäätö perustuu lineaariseen ja epälineaariseen adaptiiviseen suodatukseen, sisäinen malliohjaus) [26] parantaa ohjaimen laatua ohjauspiirissä. Aluksi B. Widrow ehdotti tätä järjestelmää käytettäväksi yhdessä neurokontrollerien kanssa, jotka on koulutettu yleisen käänteisen neurokontrollin menetelmällä [27] . Myöhemmässä työssään [28] hän käytti hermokontrollereita, jotka oli koulutettu menetelmällä virheen takaisin eteneminen suoran neuroemulaattorin kautta . Periaatteessa hermoverkkovirhesuodatusta voidaan käyttää parantamaan minkä tahansa tyyppisen ohjaimen, ei välttämättä hermoverkon , suorituskykyä . Tämä kaava käyttää kahta esikoulutettua hermoverkkoa: käänteistä neuroemulaattoria, joka on koulutettu samalla tavalla kuin yleistetyssä käänteisessä neurokontrollointimenetelmässä, ja suoraa neuroemulaattoria, joka on koulutettu samalla tavalla kuin se tehdään takaisinetenemismenetelmässä suoran neuroemulaattorin kautta . Anna ohjaussignaalin saapua ohjausobjektiin , joka on tulos edellisessä vaiheessa lasketun säätimen signaalin ja ulkoisen häiriönsuodatusjärjestelmän korjaussignaalin summauksesta. Signaali lähetetään ohjausobjektin suoralle neuroemulaattorille, ja suoran neuroemulaattorin reaktiota verrataan järjestelmän todelliseen tilaan . Näiden arvojen välinen ero tulkitaan ulkoisen häiriön aiheuttamaksi järjestelmän ei-toivotuksi poikkeamaksi. Ei-toivotun vaikutuksen tukahduttamiseksi signaali lähetetään käänteisneuroemulaattorille, joka laskee korjaavan signaalin neurokontrollerin ohjaussignaalin korjaamiseksi seuraavassa jaksossa. ${\näyttötyyli {\hattu {u}}_{F}(k)}$ ${\hat {u}}(k)$ ${\näyttötyyli {\hattu {u}}_{C}(k)}$ $y(k)$ $e(k)$ ${\näyttötyyli {\hattu {u}}_{C}(k+1)}$ ${\näyttötyyli {\hattu {u}}(k+1)}$

Tämän menetelmän käyttämiseksi ohjausobjektilla on oltava reversiibeli dynamiikka, ja ohjausobjektista tarvitaan myös riittävä matemaattinen tai simulaatiomalli suorien ja käänteisten neuroemulaattorien kouluttamiseen.

Ennustava mallin neurofeedback

Ennustava mallin neurokontroll (NN ennustava ohjaus, mallin ennustava ohjaus, hermoston yleistetty ennustava ohjaus) [29] [30] minimoi integraalivirhekustannusfunktion , joka on ennustettu syklille eteenpäin: $Q(k)$ $L=max(L_{2},L_{3})$ ${\displaystyle 0\leq L_{1}\leq L_{2))$

$Q(k)=\sum _{i=L_{1}}^{L_{2}}e(k+i)^{2}+\rho \sum _{i=0}^{L_ {3}}(u(k+i)-u(k+i-1))^{2}.$

Tässä on järjestelmän ulostulovirhe, joka on ohjaussignaalin muutoksen vaikutus kokonaiskustannuksiin . Järjestelmän tulevan toiminnan ennustamiseen ja virheiden laskemiseen käytetään suoraa neuroemulaattoria, joka on koulutettu samalla tavalla kuin menetelmässä, jossa virheiden takaisinettäminen tapahtuu suoran neuroemulaattorin kautta . Käsiteltävän menetelmän erikoisuus on, että siinä ei ole koulutettavaa neurokontrolleria. Sen tilalle tulee reaaliaikainen optimointimoduuli , jossa voidaan käyttää esimerkiksi simpleksimenetelmää [31] tai kvasi-Newtonilaista algoritmia [32] . $e(k)$ $\rho$ $Q(k)$

Optimointimoduuli vastaanottaa tavoiteradan syklissä eteenpäin tuleville jaksoille, ja jos sitä ei ole, se kopioi nykyisen asetuspisteen arvon ja käyttää tätä tavoiteradana. Lisäksi optimaalisen ohjaustoiminnon valitsemiseksi suoritetaan laskelmia neurocontrol-järjestelmän sisäisessä silmukassa (sen iteraatioita merkitään ). Yhden ohjausjakson aikana optimointimoduuli syöttää sarjan erilaisia toimintoja neuroemulaattorin tuloon , jossa on ennustussyvyys , vastaanottaa erilaisia vaihtoehtoja järjestelmän käyttäytymiselle, laskee niille kustannusfunktion ja määrittää parhaan ohjausstrategian . Tämän seurauksena kohteeseen kohdistetaan ohjaussignaali . Seuraavalla syklillä strategia lasketaan uudelleen. $L$ $L$ $r(k+1)$ $j$ ${\näyttötyyli {\hattu {u}}(k+t,j)}$ $t$ $0\leq t\leq L-1$ $Q(k)$ $ST=\{{\hattu {u}}(k,j_{1})~{\hattu {u}}(k,j_{2})~\ldots ~~{\hattu {u}} (k,j_{L})\}$ ${\hat {u}}(k,j_{1})$ $ST$

Mukautuvat kriitikot

Adaptiiviseen kriitikkoon perustuvat neurofeedback-menetelmät , jotka tunnetaan myös nimellä approksimoitu dynaaminen ohjelmointi ( ADP ) , ovat olleet erittäin suosittuja viime vuosina [33] [34] [35] [36] . Mukautuvat kritiikkijärjestelmät valitsevat ohjaussignaalin, joka perustuu tulevien virhearvioiden toiminnallisuuden minimoimiseen äärettömällä horisontilla:

J(k)=\sum _{i=0}^{\infty }\gamma ^{i}e(k+i)^{2}.

Tässä on unohduskerroin, , on ohjausobjektin liikeradan poikkeama asetuspisteestä, joka lasketaan järjestelmän jokaisella jaksolla. Järjestelmä sisältää kaksi hermomoduulia: neurocontrollerin ja kritiikkimoduulin ( kriitikko ). Kritiikkimoduuli suorittaa kustannusfunktion arvojen likiarvon , neurokontrolleri on koulutettu minimoimaan kustannusfunktionaalisuus . $\gamma$ $0<\gamma \leq 1$ $e(k)=r(k+1)-y(k+1)$ $J(k)$ $J(k)$

Kohdeohjaustilassa hermokontrollerin sisääntulo vastaanottaa vektorin , joka aiheuttaa sen lähdössä ohjaussignaalin ilmaantumisen, jonka seurauksena ohjausobjekti siirtyy asentoon . Seuraavaksi lasketaan nykyisen ohjausvirheen arvo . Kritiikkimoduuli, joka vastaanottaa vektorin syötteenä , arvioi kustannusfunktion . Seuraavassa syklissä prosessi toistetaan: uudet arvot ja lasketaan . Neurocontrol -järjestelmän koulutus tapahtuu verkossa ja koostuu kahdesta vaiheesta: kritiikkimoduulin koulutuksesta ja neurokontrollerin koulutuksesta. Ensin lasketaan aikaerovirhe . Sitten jyrkimmän laskeutumisen menetelmän mukaisesti kritiikkimoduulin linkkien paino korjataan : ${\näyttötyyli x(k)=[r(k+1)~S(k)]^{T))$ $u(k)$ ${\näyttötyyli y(k+1)}$ $e(k)$ ${\näyttötyyli z(k)=[r(k+1)~u(k)~S(k)]^{T))$ $J(k)$ $e(k+1)$ $J(k+1)$ $\delta w(k)=e(k)+\gamma J(k+1)-J(k)$ $w_{critic}$

\Delta w_{critic}(k)=-{\alpha }_{1}\delta (k){\frac {\partial J(k)}{\partial w_{critic}(k)))

Gradientin arvo lasketaan backpropagation - menetelmällä . Neurokontrollerin liitäntöjen painon korjaus suoritetaan samalla tavalla: ${\frac {\partial J(k)}{\partial w_{critic}(k)))$ $\Delta w_{control}$

$\Delta w_{control}(k)=-{\alpha }_{2}{\frac {\partial J(k)}{\partial u(k))){\frac {\partial u( k)}{\partial w_{control}(k)))$

Johdannainen arvo löydetään etenemällä arvo takaisin kritiikkimoduulin kautta, ja gradienttiarvo löydetään etenemällä virhe takaisin ohjainmoduulin kautta. Painon korjaus jatkuu, kunnes järjestelmä saavuttaa vaaditun ohjauslaadun. Ohjauslakia siis parannetaan jokaisessa vaiheessa kouluttamalla neurokontrolleria (strategioiden iteraatio, politiikan iteraatio), ja järjestelmän kykyä arvioida tilannetta lisätään myös kouluttamalla kriitikkoa (iteraatio arvojen mukaan, arvoiteraatio). Mukautuvan kritiikkijärjestelmän erityinen rakenne voi poiketa yllä kuvatusta , jota kutsutaan heuristiseksi dynaamiseksi ohjelmointiksi ( HDP ) . Dual heuristisen ohjelmoinnin ( DHP ) menetelmässä kriitikkomoduuli laskee globaalin kustannusfunktion derivaatan ja globaalissa kaksoisheuristisen ohjelmoinnin ( GHDP ) menetelmässä kriitikko laskee sekä itse kustannusfunktion että sen derivaatan . Menetelmään tunnetaan muunnelmia, joissa kritiikkimoduuli tekee päätökset yksinomaan ohjaussignaalin perusteella. Heidän englanninkielisissä lyhenteissään on etuliite AD ( toimista riippuvainen ): ADHDP , ADDHP , ADGDHP . Joissakin adaptiivisen kritiikin versioissa kritiikkimoduuli koostuu kahdesta osasta: itse kritiikkimoduulista ja suorasta neuroemulaattorista. Jälkimmäinen antaa ennusteita ohjausobjektin käyttäytymisestä, jonka perusteella kriitikko muodostaa arvion kustannusfunktiosta . Tällaisia versioita kutsutaan mallipohjaisiksi . ${\frac {\partial J(k)}{\partial u(k)))$ ${\frac {\partial u(k)}{\partial w_{control}(k)))$ ${\frac {\partial J}{\partial t))$ $J$ ${\frac {\partial J}{\partial t))$ $J$

Hybridi neuro-PID-säätö

Hybridi neuro-PID-säätö (NNPID-automaattinen viritys, neuromorfinen PID-itseviritys) [37] [38] mahdollistaa PID -ohjaimen itsevirityksen verkossa hermoverkkojen avulla . PID-säädin on viritetty online-tilassa vallitsevan ohjausvirheen mukaan . Jaksolla hermoverkko vastaanottaa asetusarvon ja generoi PID-säätimen ohjauskertoimet (suhteelliset), (integraalit), (differentiaaliset), jotka syötetään PID-säätimelle yhdessä nykyisen takaisinkytkentävirheen arvon kanssa . Käytön aikana PID-säädin laskee nykyisen ohjaussignaalin rekursiivisen kaavan mukaan: $e(k)=r(k+1)-y(k+1)$ $k$ $r(k+1)$ $K_1$ $K_{2}$ $K_{3}$ $e(k)$ $u(k)$

u(k)=u(k-1)+K_{1}(k)(e(k)-e(k-1))+K_{2}(k)e(k)+K_{ 3}(k)(e(k)-2e(k-1)+e(k-2))

käytetään erillisiin PID-säätimiin ja syöttää sen ohjausobjektiin.

Neuraaliverkkoa koulutetaan reaaliajassa takaisinkytkentävirheen avulla jyrkimmän laskeutumismenetelmän avulla .

\Delta w(k)=-\alpha e(k){\frac {\partial y(k+1)}{\partial u(k))){\frac {\partial u(k)} {\partial K(k)}}{\frac {\partial K(k)}{\partial w(k)))

Tässä on PID-ohjaimelle syötetty neuroverkon lähtövektori. ${\displaystyle K(k)=[K_{1}(k)~K_{2}(k)~K_{3}(k)]^{T))$

{\frac {\partial u(k)}{\partial K_{i}(k)))={\Bigg \{}{\begin{matrix}e(k)-e(k-1) &for~i=1;\\e(k)&for~i=2;\\e(k)-2e(k-1)+e(k-2)&for~i=3.\end{matriisi}}

Gradientit lasketaan backpropagation - menetelmällä . Ohjausobjektin jakobilainen , löytyykö sen merkki analyyttisesti, ohjausobjektin matemaattisen mallin perusteella. ${\frac {\partial K_{i}(k)}{\partial w(k)))$ ${\displaystyle {\frac {\partial y(k+1)}{\partial u(k)))))$

Hybridi rinnakkaishermostokontrolli

Hybridin rinnakkaisohjauksen menetelmät (rinnakkaishermostoohjaus, vakaa suora adaptiivinen ohjaus, additiivinen myötäkytkentäinen ohjaus) [26] [29] mahdollistavat neurokontrollerien ja tavanomaisten ohjaimien rinnakkaisen käytön dynaamisten kohteiden ohjaamiseen. Tässä tapauksessa neurokontrolleri ja tavanomainen säädin, joka on esimerkiksi PID-säädin , saavat samat asetusarvot. Seuraavat vaihtoehdot perinteisen ohjaimen ja neurokontrollerin yhdistämiseksi ovat mahdollisia:

ohjausobjektiin kytketään tavanomainen ohjain, jonka jälkeen hermokontrolleri oppii ohjaamaan perinteisen ohjaimen jo sulkemaa järjestelmää. Harjoittelun jälkeen neurokontrolleri kytketään järjestelmään ja molempien ohjainten ohjaussignaalit summataan;
neurokontrolleri oppii hallitsemaan ohjausobjektia, koulutuksen jälkeen se alkaa toimia normaalisti. Lisäksi neurokontrollerin sulkeman järjestelmän ohjaamiseksi konfiguroidaan tavanomainen ohjain. Asetuksen jälkeen tavallinen säädin liitetään järjestelmään, molempien säätimien ohjaussignaalit summataan;
tavanomaisen ohjaimen ja neurokontrollerin toiminta-alueet on rajattu. Esimerkiksi ohjausobjektin tila-avaruudessa neurokontrollerille on varattu erillinen alue : $LS$

LS=[(y_{1}-d_{1};y_{1}+d_{1})~\ldots ~(y_{N}-d_{N};y_{N}+d_{N })]^{T}

Tässä tapauksessa tavanomainen ohjain lasketaan ohjaamaan objektia tämän tila-avaruuden alueen ulkopuolella. Kun molemmat ohjaimet toimivat rinnakkain, ohjaussignaali saapuu kohteeseen joko neurokontrollerista, jos järjestelmän nykyinen tila on alueen sisällä , tai muuten tavanomaisesta ohjaimesta. Hybridi-rinnakkaishermoohjaus on kompromissiratkaisu neurocontrolin käyttöönotolle teollisuudessa ja siirtymiseen perinteisistä ohjaimista hermoverkkoihin. $LS$

Muistiinpanot

↑ Voronovsky G.K., Geneettiset algoritmit, keinotekoiset hermoverkot, 1997 (pääsemätön linkki) . Haettu 3. syyskuuta 2011. Arkistoitu alkuperäisestä 19. elokuuta 2011. (määrätön)
↑ Werbos, PJ Backpropagation and neurocontrol: katsaus ja esite // International Joint Conference on Neural Networks, Voi. 1. - s. 209-216. - Washington, DC, USA, 18.-22.6.1989
↑ Gundy-Burlet K., Krishnakumar K., Limes G., Bryant D. Älykkään lennonohjausjärjestelmän lisäys simuloituun C-17-lentokoneeseen // J. of Aerospace Computing, Information and Communication. - 2004. - Voi. 1, nro 12. - P. 526-542 . Haettu 26. elokuuta 2011. Arkistoitu alkuperäisestä 6. maaliskuuta 2016. (määrätön)
↑ Kondratiev A. I., Tyumentsev Yu. V. Neuroverkon adaptiivinen vikasietoinen ohjattavan lentokoneen liikkeen ohjaus // XII koko Venäjän tieteellinen ja tekninen konferenssi "Neuroinformatiikka - 2010": Osa 2. - M .: NRNU MEPhI, 2010 - s. 262 - 273. . Haettu 28. lokakuuta 2011. Arkistoitu alkuperäisestä 4. maaliskuuta 2016. (määrätön)
↑ Nikiforova L. N., Petrosyan E. A., Yakemenko G. V. Neurotietokoneet helikopterin ohjauksessa // Tekoäly. - 2000. - nro 3. - S. 290-298 . Haettu 28. lokakuuta 2011. Arkistoitu alkuperäisestä 10. lokakuuta 2015. (määrätön)
↑ D. Gu ja H. Hu. Neural Predictive Control for the Car-like Mobile Robot // International Journal of Robotics and Autonomous Systems, Voi. 39, ei. 2-3, toukokuuta 2002
↑ [Terekhov V. A., Efimov D. V., Tyukin I. Yu. Neuroverkon ohjausjärjestelmät: Proc. yliopistojen tuki. - M .: Korkeampi. koulu 2002. - 183 s.]
↑ 1 2 Danil V. Prokhorov. Toyota Prius HEV Neurocontrol ja diagnostiikka // Neuroverkot. - 2008. - Ei. 21. - P. 458-465 . Haettu 2. syyskuuta 2011. Arkistoitu alkuperäisestä 31. heinäkuuta 2009. (määrätön)
↑ Dias FM, Mota AM Eri ohjausstrategioiden vertailu hermoverkkoja käyttämällä // 9th Mediterranean Conference on Control and Automation. - Dubrovnik, Kroatia, 2001 . Haettu 26. elokuuta 2011. Arkistoitu alkuperäisestä 27. syyskuuta 2016. (määrätön)
↑ Venayagamoorthy GK, Harley RG, Wunsch DC Adaptive Critic -based neurocontrollers Implementation for Turbogenerators in A Multimachine Power System, IEEE Transactions on Neural Networks. - 2003. - Voi. 14, numero 5. - P. 1047-1064. (linkki ei saatavilla) . Haettu 26. elokuuta 2011. Arkistoitu alkuperäisestä 12. kesäkuuta 2010. (määrätön)
↑ D'Emilia G., Marrab A., Natalea E. Hermoverkkojen käyttö PID-ohjaimen nopeaan ja tarkkaan automaattiseen viritykseen // Robotics and Computer-Integrated Manufacturing. - 2007. - Voi. 23. - s. 170-179.
↑ Zmeu K. V., Markov N. A., Shipitko I. A., Notkin B. S. Malliton ennustava käänteinen neurokontroll regeneroidulla referenssitransientilla // Intelligent Systems. - 2009. - nro 3. - S. 109-117. . Haettu 26. elokuuta 2011. Arkistoitu alkuperäisestä 27. syyskuuta 2016. (määrätön)
↑ Kuznetsov B. I., Vasilets T. E., Varfolomeev A. A. Neuro-ohjaimen synteesi ennusteella kaksimassaiselle sähkömekaaniselle järjestelmälle // Sähkötekniikka ja sähkömekaniikka. - 2008. - V. 3. - S. 27 - 32. (ei käytettävissä) . Käyttöpäivä: 28. lokakuuta 2011. Arkistoitu alkuperäisestä 26. lokakuuta 2015. (määrätön)
↑ D. A. Dziuba, A. N. Chernodub. Ohjatun häiriömenetelmän käyttö neurokontrollerien reaaliaikaiseen modifiointiin // Mathematical Machines and Systems. - 2010. - nro 4. - S. 20 - 28. . Haettu 26. elokuuta 2011. Arkistoitu alkuperäisestä 28. huhtikuuta 2011. (määrätön)
↑ Sabania V.R. Neuroverkkoteknologioihin perustuvat automaattiset ohjausjärjestelmät / V.R. Sabanin, N.I. Smirnov, A.I. Repin // Proceedings of the International Scientific Conference Control-2003. M.: MEI Publishing House, 2003.S. 45-51.
↑ [Widrow B., Smith FW Pattern-Recognizing Control Systems // Proceedings of Computer and Information Sciences. - Washington, USA - 1964. - Voi. 12. - s. 288-317.]
↑ Omidvar O., Elliott DL toim. Neural Systems for Control // Academic Press, New York, 1997. - 358 s.
↑ Ronco E. Inkrementaaliset polynomiohjainverkot: kaksi itseorganisoituvaa ei-lineaarista ohjainta // Ph.D. Väitöskirja, Glasgow, 1997. - 207 s.
↑ 1 2 [Omatu S., Khalid M., Yusof R. Neurofeedback ja sen sovellukset: trans. englannista. — M.: IPRZhR, 2000. — 272 s.]
↑ 1 2 Psaltis D., Sideris A., Yamamura AA Monikerroksinen hermoverkko-ohjain // IEEE Control Systems Magazine - 1988. - Voi. 8, numero 2. - s. 17 - 21. (linkki, jota ei voi käyttää)
↑ Werbos P. Backpropagation kautta aika: mitä se tekee ja miten se tehdään // Proceedings of IEEE. - Lokakuu 1990. - Voi. 78, N. 10. - P. 1550-1560 (linkki ei ole käytettävissä) . Haettu 24. syyskuuta 2011. Arkistoitu alkuperäisestä 13. kesäkuuta 2010. (määrätön)
↑ [Jordan MI ja Rumelhart DE Forwardmallit: Ohjattu oppiminen distaalisen opettajan kanssa // Kognitiivinen tiede - 1990. - Voi. 16. - s. 313-355.]
↑ 1 2 [Narendra KS, Parthasarathy KK Neuroverkkoja käyttävien dynaamisten järjestelmien tunnistaminen ja ohjaus // IEEE Transactions on Neural Networks. - 1990. - N 1. - s. 4 - 27.]
↑ Venelinov Topalov, A. Kaynak. Verkko-oppiminen adaptiivisissa hermostonhallintajärjestelmissä liukuvan tilan algoritmilla // IEEE Transactions on Systems, Man, and Cybernetics, Osa B: Kybernetiikka. - 2001. - V. 31. - I. 3. - P. 445-450 . Haettu 28. lokakuuta 2011. Arkistoitu alkuperäisestä 18. marraskuuta 2017. (määrätön)
↑ A. N. Chernodub. Neuroemulaattorien koulutus pseudoregularisaatiolla neurokontrollimenetelmään referenssimallilla // Tekoäly. - 2012. - Ei. 4. - C. 602-614 (linkki, jota ei voi käyttää)
↑ 1 2 Dias FM, Mota AM Eri ohjausstrategioiden vertailu hermoverkkoja käyttämällä // 9th Mediterranean Conference on Control and Automation. - Dubrovnik, Kroatia, 2001 . Haettu 26. elokuuta 2011. Arkistoitu alkuperäisestä 27. syyskuuta 2016. (määrätön)
↑ Widrow B., Adaptive Inverse Control // Toisen IFAC-työpajan julkaisut Adaptive Systems in Control and Signal Processing - Lund, Ruotsi, heinäkuu 1986. - S. 1 - 5. . Haettu 24. syyskuuta 2011. Arkistoitu alkuperäisestä 6. maaliskuuta 2016. (määrätön)
↑ Widrow B., Plett GL Mukautuva käänteissäätö, joka perustuu lineaariseen ja epälineaariseen adaptiiviseen suodatukseen // Proceedings of International Workshop on Neural Networks for Identification, Control, Robotics ja Signal/Image Processing - 21. 23. elokuuta 1996, Venetsia, Italia. - s. 30 - 38.
↑ 1 2 Ohjauksen hermoverkot // Proceedings of the 1999 American Control Conference (Cat. No. 99CH36251). - 1999. - ISBN 0780349903 . - doi : 10.1109/ACC.1999.786109 .
↑ Rossiter JA -mallipohjainen ennakoiva ohjaus . - 2017 - 12. heinäkuuta. — ISBN 9781315272610 . - doi : 10.1201/9781315272610 .
↑ Takahashi Y. Epälineaaristen ajassa vaihtelevien järjestelmien adaptiivinen ennakoiva ohjaus hermoverkkoja käyttämällä // IEEE International Conference on Neural Networks. — ISBN 0780309995 . - doi : 10.1109/ICNN.1993.298772 .
↑ Soloway D. , Haley PJ Neuraalinen yleistetty ennakoiva ohjaus // Proceedings of the 1996 IEEE International Symposium on Intelligent Control. — ISBN 0780329783 . - doi : 10.1109/ISIC.1996.556214 .
↑ Prokhorov D. ja Wunsch D. Adaptive Critic Designs // IEEE Transactions on Neural Networks. - 1997. - Voi. 8, nro 5. - P. 997-1007. . Haettu 25. syyskuuta 2011. Arkistoitu alkuperäisestä 8. heinäkuuta 2013. (määrätön)
↑ Venayagamoorthy GK, Harley RG, Wunsch DC Implementation of Adaptive Critic-based Neurocontrollers for Turbogenerators in a Multimachine Power System", IEEE Transactions on Neural Networks. - 2003. - Vol. 14, Issue 5. - P. 10647 ( s. 10647.) linkki ei ole käytettävissä) Haettu 26. elokuuta 2011. Arkistoitu alkuperäisestä 12. kesäkuuta 2010. (määrätön)
↑ Ferrari S., Stengel RF Model-Based Adaptive Critic Designs // Learning and Approximated Dynamic Programming, J. Si, A. Barto, W. Powell ja D. Wunsch, toim. New York: Wiley, 2004, luku. 3 . Haettu 25. syyskuuta 2011. Arkistoitu alkuperäisestä 17. huhtikuuta 2012. (määrätön)
↑ Redko V. G., Prokhorov D. V. Neuroverkkojen adaptiiviset kriitikot // VI koko Venäjän tieteellinen ja tekninen konferenssi "Neuroinformatiikka-2004". Kokoelma tieteellisiä artikkeleita. Osa 2. M.: MEPhI, 2004. - C. 77 - 84. . Haettu 25. syyskuuta 2011. Arkistoitu alkuperäisestä 11. toukokuuta 2011. (määrätön)
↑ D'Emilia Giulio , Marra Antonio , Natale Emanuela. Neuroverkkojen käyttö PID-ohjaimen nopeaan ja tarkkaan automaattiseen viritykseen // Robotics and Computer-Integrated Manufacturing. - 2007. - huhtikuu ( osa 23 , nro 2 ) - s. 170-179 . — ISSN 0736-5845 . - doi : 10.1016/j.rcim.2006.04.001 .
↑ Akhyar S. , Omatu S. Neuromorfinen itsevirittyvä PID-ohjain (englanti) // IEEE International Conference on Neural Networks. — ISBN 0780309995 . - doi : 10.1109/ICNN.1993.298617 .

Linkit

Kirjallisuus

Shigeru Omatu, Marzuki Khalid, Rubia Yusof. Neurocontrol ja sen sovellukset = Neuro-Control ja sen sovellukset. - 2. - M .: IPRZhR , 2000. - S. 272. - ISBN ISBN 5-93108-006-6 .
V. A. Terekhov, D. V. Efimov, I. Yu. Tyukin. Neuroverkkojen ohjausjärjestelmät. - 1. - Higher School , 2002. - S. 184. - ISBN 5-06-004094-1 .
Khaykin S. Neuroverkot: täydellinen kurssi = Neural Networks: A Comprehensive Foundation. - 2. - M . : "Williams" , 2006. - S. 1104 . — ISBN 0-13-273350-1 .
Omidvar O., Elliott DL toim. Neuraalijärjestelmät ohjaukseen. - New York: Academic Press , 1997. - S. 358. - ISBN 0-12-526430-5 .